基于注意力模型的混合推荐系统

• 作者: 晏家斌 谭台哲
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 注意力模型 自适应增强 协同过滤 混合推荐
• 年，卷（期）: 2020,（13）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 172-180
• 页数: 9页
• 分类号: TP39
• 字数: 6839字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1907-0294

摘要

推荐系统作为信息爆炸时代下解决信息过载问题的重要方式受到了越来越大的关注.传统的推荐系统普遍存在精度不高、评价标准不明确等缺陷,将机器学习尤其是深度学习技术引入推荐系统将有效改善上述缺陷及瓶颈.提出了一种基于注意力模型的混合推荐系统,利用深度神经网络中的注意力模型对特定推荐商品的物品属性进行加权分配,获得预推荐商品的用户认可度评分;通过自适应增强模型替换传统的损失排序模型,使得精确度、召回率等相关评价指标获得较大提升.在现有推荐系统评价指标的基础上,首次引入了用户群体评价认可度指标,通过认可度指标可以在用户体验维度对推荐系统性能给出更精确的评价.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭台哲	广东工业大学计算机学院	27	117	6.0	9.0
2	晏家斌	广东工业大学计算机学院	1	0	0.0	0.0